IA da OpenAI resolve problema matemático aberto há 80 anos

Um modelo interno de raciocínio da OpenAI refutou, de forma autônoma, uma conjectura clássica da geometria discreta proposta pelo matemático húngaro Paul Erdős em 1946. A prova foi validada por um grupo de matemáticos externos, incluindo o ganhador da Medalha Fields Tim Gowers.

O anúncio foi feito em 20 de maio de 2026 e marcou a primeira vez que uma IA resolveu, de ponta a ponta, um problema aberto em um subcampo ativo da matemática pura. Isso aconteceu sem treinamento específico para esse fim, sem scaffolding para busca de provas e sem direcionamento para o problema em particular.

O que o modelo da OpenAI descobriu

A geometria combinatória acumulou décadas de progresso travado no unit distance problem. Desde 1946, o melhor limite inferior para o número máximo de pares de pontos a distância exata 1 em um plano com n pontos permanecia praticamente inalterado.

Erdős conjecturou que esse número crescia de forma quase linear com n. Por décadas, matemáticos acreditavam que arranjos em grade quadrada representavam o limite prático para essa maximização.

A prova apresentada pelo modelo da OpenAI derrubou a conjectura: para infinitos valores de n, existem configurações de pontos com crescimento polinomialmente maior do que o esperado. Isso significa que o expoente real não é "quase 1", mas sim n¹⁺δ, com δ positivo fixo.

Dois aspectos do resultado chamaram atenção da comunidade matemática:

• O método: a prova veio de ferramentas de teoria algébrica dos números (algebraic number theory), um campo distante da geometria euclidiana. Ninguém esperava que a solução viesse por esse caminho.
• A autonomia: a OpenAI enfatizou que o modelo usado era de propósito geral, não um sistema especializado em matemática nem um resolvedor guiado por scaffolding (estrutura auxiliar de chamadas e memória que guia o modelo passo a passo).

A prova foi verificada por nove matemáticos externos, que também assinaram um artigo complementar sobre o resultado. Entre eles está o medalhista Fields Tim Gowers:

"Não há dúvida de que a solução para o problema das distâncias unitárias é um marco na matemática com IA. Nenhuma prova gerada por IA chegou perto disso antes."

Por que isso importa para quem trabalha com tecnologia

O caso muda o que se esperava que modelos de linguagem fossem capazes de fazer. Até aqui, a visão dominante no campo, refletida em benchmarks e casos de uso comerciais, era que IAs aceleravam tarefas conhecidas: verificavam código, geravam rascunhos, resumiam documentos.

Aqui, o modelo produziu uma ideia original e a levou até uma prova matematicamente válida em um problema que especialistas humanos tentaram resolver por 80 anos sem sucesso.

Isso levou o matemático Arul Shankar a declarar que os modelos atuais vão além de auxiliares e são capazes de ter "ideias originais e engenhosas".

Para devs, pesquisadores e quem constrói produtos com IA, os desdobramentos práticos são:

• Raciocínio de longo horizonte (capacidade de manter coerência em cadeias longas de raciocínio): o modelo sustentou um argumento matemático complexo do início ao fim, o que aponta para capacidade de lidar com problemas de engenharia e ciência que exigem encadeamento lógico extenso.
• Pesquisa científica autônoma: biologia, física, materiais e química são candidatas naturais para o próximo ciclo de aplicações, especialmente em problemas em que o espaço de busca é grande e a verificação da resposta é objetiva.
• Uso de IAs além de assistentes: o episódio fortalece o argumento de que vale investir em experimentar modelos de raciocínio em tarefas que, até então, pareciam fora do alcance dessas ferramentas.

Vale uma ressalva de contexto. Em outubro de 2025, o então vice-presidente da OpenAI Kevin Weil afirmou no X que o GPT-5 havia encontrado soluções para dez problemas de Erdős até então em aberto. Thomas Bloom, o mesmo matemático que agora assina a verificação do resultado atual, rebateu na época:

"This is a dramatic misrepresentation.", Thomas Bloom, matemático responsável pelo site Erdős Problems, em outubro de 2025.

O modelo havia recuperado soluções já existentes na literatura, não produzido provas originais. O resultado de maio de 2026 está sendo tratado como diferente por esse mesmo grupo de verificadores.

Quer entender melhor como IAs de raciocínio funcionam na prática?

Se você quer aprofundar o conhecimento em inteligência artificial, desde os fundamentos de modelos de linguagem até a construção de agentes autônomos, a Alura tem uma carreira com especialização completa de IA aplicada.

É uma formação para quem quer entender o que está por trás desses avanços e saber usar essas ferramentas em projetos reais.